首页> 中文学位 >退化伊犁绢蒿荒漠草地高光谱特征的研究
【6h】

退化伊犁绢蒿荒漠草地高光谱特征的研究

代理获取

目录

声明

论文说明

摘要

第一章 绪论

1.1 研究背景、意义

1.2 高光谱遥感及其评价模型应用于草地的研究

1.2.1 草地生物量估算

1.2.2 草地覆盖度的测定

1.2.3 草地种类识别、植被信息提取及安全评价

1.2.4 草地植物化学成分及生化参数估测

1.2.5 草地土壤识别

1.2.6 应用于荒漠化评价

1.2.7 小结

1.3 拟解决的问题

第二章 研究区概况与研究方法

2.1 研究区概况

2.2 研究方法

2.2.1 研究内容

2.2.2 试验设计

2.3 测定方法与内容

2.3.1 地面监测与样品处理

2.3.2 地面高光谱数据采集与分析

2.4 数据的一般处理与分析

2.4.1 一般处理与分析

2.4.2 光谱数据的处理及分析

2.5 研究技术路线

第三章 退化草地特征植物及裸地高光谱特征分析

3.1 篇蓄高光谱特征分析

3.2 叉毛蓬高光谱特征分析

3.3 地肤高光谱特征分析

3.4 弯果胡卢巴高光谱特征分析

3.5 画眉草高光谱特征分析

3.6 角果藜高光谱特征分析

3.7 骆驼蓬高光谱特征分析

3.8 伊犁绢蒿高光谱特征分析

3.9 伊犁绢蒿荒漠裸地高光谱特征分析

3.10 伊犁绢蒿荒漠草地8种特征植物高光谱特征综合分析

3.11 小结与讨论

第四章 退化草地植物群落及其高光谱特征月动态变化

4.1 不同退化梯度草地植物群落特征动态变化

4.1.1 不同退化梯度植物群落组成动态变化

4.1.2 不同退化梯度植物群落各项数量特征月动态变化

4.2 不同退化梯度草地植物群落高光谱特征月动态变化

4.2.1 不同退化梯度植物群落高光谱月动态变化

4.3 退化草地三个梯度的植物群落高光谱特征月动态变化

4.3.1 不同退化梯度植物群落4月高光谱特征动态变化

4.3.2 不同退化梯度植物群落5月高光谱特征动态变化

4.3.3 不同退化梯度植物群落6月高光谱特征动态变化

4.3.4 不同退化梯度植物群落7月高光谱特征动态变化

4.3.5 不同退化梯度植物群落8月高光谱特征动态变化

4.3.6 不同退化梯度植物群落9月高光谱特征动态变化

4.4 小结与讨论

第五章 退化草地植物群落特征的地面高光谱反演模型

5.1 筛选各月植物群落特征的高光谱敏感波段

5.1.1 对植物群落特征与原始光谱数据敏感波段的筛选

5.1.2 对植物群落特征与原始光谱数据去除包络线后敏感波段的筛选

5.1.3 对植物群落特征与原始光谱数据经一阶微分变换后敏感波段的筛选

5.2 植物群落特征高光谱反演模型的建立与综合分析

5.2.1 综合分析各月植物群落特征的原始高光谱数据预测模型

5.2.2 综合分析各月植物群落特征的去包络线后高光谱数据预测模型

5.2.3 综合分析各月植物群落特征的一阶微分高光谱数据预测模型

5.3 小结与讨论

第六章 结论与展望

6.1 不同退化梯度草地植物群落特征动态变化

6.2 退化草地特征植物及裸地高光谱特征分析

6.3 不同退化梯度草地植物群落高光谱特征月动态变化

6.4 退化草地植物群落高光谱特征月动态变化趋势

6.5 筛选各月植物群落特征的高光谱敏感波段

6.6 植物群落特征高光谱预测模型的建立与综合分析

6.7 展望

参考文献

致谢

作者简介

展开▼

摘要

本文选择新疆昌吉市三工镇伊犁绢蒿荒漠退化草地的典型分布区,使用美国SVCHR-768光谱仪采集草地植物及其群落冠层光谱信息,利用光谱反射率不同处理方式、特征波段筛选与提取、逐步回归等分析方法,分别对特征植物、4-9月不同退化梯度植物群落冠层光谱进行特征分析与敏感波段确定,明确了伊犁绢蒿荒漠草地特征植物及其群落的光谱特征参数,再结合4-10月该类草地实测的各植物群落特征参数,确定了各植物群落特征的高光谱预测模型及最佳测定时间与测定梯度。结果表明:
  (1)退化伊犁绢蒿荒漠草地上8种特征植物都明显地具有绿色植物应该具备的光谱特性,在特定波段不同植物光谱反射率特征值与其他植物有着明显的不同。
  (2)各退化梯度群落数量特征8月前多以重度退化梯度最高,而8月以后大多以中度退化梯度最高。尤其是4-6月群落数量特征各退化梯度间差异显著且规律性强,基本为重度退化>极度退化>中度退化,7月后无明显规律性。可见4-6月较其他各月更能区分出该类草地群落的退化程度。各月不同退化梯度的光谱曲线在近似同一特征波段上的变化趋势差异明显。
  (3)分别对伊犁绢蒿荒漠各植物群落特征指标依原始、包络线去除、一阶微分数据处理方式建立的相应高光谱预测模型中,盖度4月综合梯度包络线去除预测模型、平均高度5月综合梯度一阶微分预测模型、鲜重6月综合梯度一阶微分预测模型、密度7月重度退化梯度一阶微分预测模型最好。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号